WEBVTT 00:00.450 --> 00:03.210 Ciao e bentornati al corso sull'intelligenza artificiale. 00:03.240 --> 00:08.220 Nella sezione di oggi affrontiamo il tema di un profondo apprendimento di Q. 00:08.250 --> 00:11.200 Quindi vediamo come attaccheremo questo in questa sezione. 00:11.220 --> 00:17.280 Impareremo un'intuizione dell'apprendimento profondo dal lato dell'apprendimento delle cose, così andremo in un apprendimento profondo separato, l'intuizione dietro 00:17.750 --> 00:20.840 di essa in due parti per imparare e recitare. 00:20.850 --> 00:22.620 E avremo dettagli su questo. 00:22.620 --> 00:28.290 Quindi, prima di tutto, capisci come le reti neuronali effettivamente imparano e come aggiornano i loro 00:28.290 --> 00:34.350 pesi in base a cosa li stiamo alimentando e come funziona l'intero concetto di apprendimento o come 00:34.350 --> 00:40.140 prenderemo i concetti di differenza temporale o ridiscussione e apprendimento semplice e li applichiamo all'apprendimento profondo 00:40.530 --> 00:46.550 e poi parleremo di come l'algoritmo di deep learning in realtà decide quale azione intraprendere in quali 00:46.560 --> 00:52.530 stati di cui parleremo sull'esperienza, riproduciamo un'aggiunta molto importante in aggiunta all'apprendimento profondo che effettivamente consente di 00:53.100 --> 00:57.420 approfondire imparerai a lavorare correttamente e vedrai perché è importante da quel 00:57.420 --> 00:58.100 tutorial. 00:58.350 --> 01:02.350 E poi parleremo delle politiche di selezione delle azioni. 01:02.470 --> 01:11.190 Parliamo di come i profondi agenti di guadagno sono in grado di combinare esplorazione e sfruttamento. 01:11.190 --> 01:15.960 tale approccio, ma devono anche esplorare in modo da non rimanere bloccati al massimo. 01:15.960 --> 01:18.900 Quindi, una volta trovato un buon approccio, possono utilizzare 01:18.900 --> 01:24.660 E un'altra cosa che volevo menzionare riguardo alla sezione è che è molto utile se 01:24.660 --> 01:28.050 si guarda un numero x di reti neurali artificiali. 01:28.050 --> 01:33.570 Quindi se andate ed esplorate tutti questi argomenti abbiamo preparato dei tutorial di intuizione molto potenti 01:33.570 --> 01:34.500 preparati per voi. 01:34.650 --> 01:38.130 Se non l'hai fatto, naturalmente, se non hai fatto il corso di deep learning se 01:38.130 --> 01:41.400 lo hai fatto, naturalmente, e sai già tutte queste cose e puoi procedere con S. corso, questo è altamente consigliabile perché ti aiuterà a capire esattamente 01:41.460 --> 01:46.950 come funzionano le reti neurali e perché sono così potenti perché li stiamo sfruttando questo profondo algoritmo di apprendimento. 01:46.950 --> 01:52.020 Ma se vuoi ottenere quella conoscenza aggiuntiva sulle reti neurali prima di procedere con questa parte del 01:52.020 --> 01:58.230 E una volta che aggiorni la tua conoscenza o acquisisci quella conoscenza sulle reti 01:58.320 --> 02:03.450 neurali da quell'allegato e torni qui e procederemo in particolare se ti 02:03.450 --> 02:08.900 senti abbastanza a tuo agio nelle reti neurali, allora entriamo subito in esso. 02:08.940 --> 02:10.160 Cominciamo a parlare dell'intuizione dell'apprendimento profondo. 02:10.170 --> 02:13.040 E non vedo l'ora di vedere il primo tutorial. 02:13.320 --> 02:15.450 Fino ad allora goditi a. 02:15.450 --> 02:16.840